深度学习在生物医药领域中的应用

本数据库通过收集和整理最新科研文献信息而得,供了解领域前沿进展之用。数据源自 PubMed Data ,每日自动更新,已收录文献数量参见 统计表格。表格内容由 GPT 自动整理,可能存在错误或遗漏,请使用时务必注意核实!

如有建议或合作意向,欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布,欢迎下载 源码 自行修改使用。如觉得不错,还请不吝 给我打赏,你的支持是我继续创新的重要动力!

Sample Image
添加微信请说明来意
Sample Image
微信赞赏

除通过在线浏览外,为方便用户离线查阅,本站也提供 付费下载(定价10元)。之所以考虑收费,是因为批量扫描这些文献并整理也是有一定成本的,还请理解并多多支持。本站数据会持续更新,而仅需一次付费,未来就可以随时重新下载到最新版本数据。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期:202412-202412] [清除筛选条件]
当前共找到 1098 篇文献,本页显示第 781 - 800 篇。
序号 推送日期 文章 类型 简述 创新点 不足 研究目的 研究对象 领域 病种 技术 模型 数据类型 样本量
781 2024-12-01
Global Land Use Change and Its Impact on Greenhouse Gas Emissions
2024-Dec, Global change biology IF:10.8Q1
研究论文 研究了全球土地利用变化及其对温室气体排放的影响 利用结构方程模型和深度学习模型预测了未来全球温室气体排放 研究基于历史数据和当前趋势,未来实际情况可能有所不同 探讨土地利用变化对全球温室气体排放的影响,并预测未来排放趋势 全球土地利用模式及其对温室气体排放的影响 NA NA 结构方程模型,深度学习模型 深度学习模型 历史数据 29年的全球历史数据
782 2024-11-30
Development and Validation of a Biparametric MRI Deep Learning Radiomics Model with Clinical Characteristics for Predicting Perineural Invasion in Patients with Prostate Cancer
2024-Dec, Academic radiology IF:3.8Q1
研究论文 本研究开发并验证了一种结合双参数MRI深度学习放射组学和临床特征的预测模型,用于非侵入性预测前列腺癌患者的神经周围侵犯 本研究创新性地将临床特征与基于双参数MRI的深度学习放射组学相结合,开发了一种综合模型用于预测前列腺癌的神经周围侵犯 本研究的局限性在于样本量相对较小,且仅限于前列腺癌患者 本研究的目的是开发和验证一种结合双参数MRI深度学习放射组学和临床特征的预测模型,用于非侵入性预测前列腺癌的神经周围侵犯 本研究的研究对象是接受术前MRI和根治性前列腺切除术的前列腺癌患者 计算机视觉 前列腺癌 深度学习 深度学习-放射组学-临床模型 (DLRC) 图像 557名前列腺癌患者
783 2024-11-30
Gated SPECT-Derived Myocardial Strain Estimated From Deep-Learning Image Translation Validated From N-13 Ammonia PET
2024-Dec, Academic radiology IF:3.8Q1
研究论文 本研究探讨了使用深度学习生成的虚拟正电子发射断层扫描(PET)样门控单光子发射断层扫描(SPECTVP)评估心肌应变,克服了传统SPECT的局限性 通过深度学习将SPECT图像转换为PET样图像,提高了心肌应变测量的准确性,并展示了通过PET和SPECTVP进行纵向应变测量的可能性 本研究仅初步验证了SPECTVP在心肌应变分析中的应用,未来需要更大规模的研究来进一步验证其临床价值 研究深度学习生成的虚拟PET样SPECT图像在心肌应变评估中的应用 心肌应变 计算机视觉 心血管疾病 深度学习 NA 图像 训练集包括720对应激状态和920对休息状态的图像,分别来自18名和23名患者
784 2024-11-30
Preoperative Contrast-Enhanced CT-Based Deep Learning Radiomics Model for Distinguishing Retroperitoneal Lipomas and Well‑Differentiated Liposarcomas
2024-Dec, Academic radiology IF:3.8Q1
研究论文 本文评估了基于术前增强CT的深度学习放射组学模型在区分腹膜后脂肪瘤和分化良好的脂肪肉瘤中的有效性 提出了一个结合放射组学和深度学习特征的深度学习放射组学模型,用于区分腹膜后脂肪瘤和分化良好的脂肪肉瘤 研究为回顾性多中心研究,样本量有限 评估基于术前增强CT的深度学习放射组学模型在区分腹膜后脂肪瘤和分化良好的脂肪肉瘤中的有效性 腹膜后脂肪瘤和分化良好的脂肪肉瘤 计算机视觉 NA 深度学习 深度学习放射组学模型 图像 167名患者
785 2024-11-30
Predicting the Prognosis of HIFU Ablation of Uterine Fibroids Using a Deep Learning-Based 3D Super-Resolution DWI Radiomics Model: A Multicenter Study
2024-Dec, Academic radiology IF:3.8Q1
研究论文 本文研究了基于深度学习的3D超分辨率扩散加权成像(DWI)放射组学模型在预测高强度聚焦超声(HIFU)治疗子宫肌瘤预后中的可行性和有效性 本文提出的3D超分辨率DWI放射组学模型在预测HIFU治疗子宫肌瘤预后方面优于传统的高分辨率DWI模型和专家放射科医生的评估 这是一项回顾性研究,样本量有限,且仅涉及两个中心的数据 评估基于深度学习的3D超分辨率DWI放射组学模型在预测HIFU治疗子宫肌瘤预后中的可行性和有效性 接受HIFU治疗的子宫肌瘤患者 计算机视觉 妇科疾病 扩散加权成像(DWI) 深度学习模型 影像数据 360名患者,包括训练集240名,内部测试集60名,外部测试集60名
786 2024-11-30
DeepSAP: A Novel Brain Image-Based Deep Learning Model for Predicting Stroke-Associated Pneumonia From Spontaneous Intracerebral Hemorrhage
2024-Dec, Academic radiology IF:3.8Q1
研究论文 本文开发了一种基于脑部CT扫描的深度学习模型DeepSAP,用于预测自发性脑出血后的卒中相关性肺炎 DeepSAP模型通过MRI模板图像配准技术消除了样本间的结构差异,实现了脑出血区域的统计量化和空间标准化,提高了预测卒中相关性肺炎的准确性 本文为回顾性研究,样本量有限,且未提及模型的泛化能力和在不同医疗中心的适用性 开发一种快速可靠的模型,用于及时预测卒中相关性肺炎 自发性脑出血患者及其卒中相关性肺炎的预测 计算机视觉 脑血管疾病 深度学习 神经网络 图像 244名自发性脑出血患者
787 2024-11-30
Prospective Deployment of Deep Learning Reconstruction Facilitates Highly Accelerated Upper Abdominal MRI
2024-Dec, Academic radiology IF:3.8Q1
研究论文 比较传统T1容积插值屏气检查(VIBE)与SPAIR脂肪抑制技术与深度学习重建加速VIBE序列在图像质量和诊断信心方面的差异 深度学习重建技术使上腹部MRI的屏气时间减少50%,同时减少伪影并提高图像质量 未发现传统VIBE-SPAIR与加速VIBE-SPAIRDL在脂肪抑制均匀性、病变检测能力或诊断信心方面的差异 评估深度学习重建技术在加速上腹部MRI中的应用效果 上腹部MRI图像质量和诊断信心 计算机视觉 NA 深度学习重建 深度学习模型 图像 45名患者
788 2024-11-30
Generalisation capabilities of machine-learning algorithms for the detection of the subthalamic nucleus in micro-electrode recordings
2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 研究机器学习算法在微电极记录中检测丘脑底核的泛化能力 探讨了不同临床中心和训练范式下机器学习方法的泛化能力,并提出了通过迁移学习快速适应新中心的方法 算法在不同数据集上的性能显著下降,尽管迁移学习可以缓解这一问题,但重新训练可能需要更长的训练时间 研究机器学习算法在不同临床中心和训练范式下的泛化能力 微电极记录信号的二分类 机器学习 NA 深度学习 深度学习算法 信号 三个来自两个不同临床中心的数据库,大小、采集硬件和标注协议不同
789 2024-11-30
Super-resolution Deep Learning Reconstruction for 3D Brain MR Imaging: Improvement of Cranial Nerve Depiction and Interobserver Agreement in Evaluations of Neurovascular Conflict
2024-Dec, Academic radiology IF:3.8Q1
研究论文 研究通过超分辨率深度学习重建(SR-DLR)技术改善3D脑部MRI图像中颅神经的描绘和评估神经血管冲突时的观察者间一致性 提出了一种超分辨率深度学习重建(SR-DLR)技术,相比传统的深度学习重建(DLR),显著提高了图像的清晰度和颅神经的描绘质量,并增强了观察者间的一致性 SR-DLR技术在图像噪声方面表现较差,尽管在其他方面有显著优势 评估超分辨率深度学习重建(SR-DLR)技术在3D脑部MRI图像中对颅神经描绘和神经血管冲突评估的改善效果 3D快速不对称自旋回波(3D FASE)脑部MRI图像中的颅神经和神经血管冲突 计算机视觉 NA 超分辨率深度学习重建(SR-DLR) 深度学习模型 图像 37名患者的3D FASE脑部MRI图像
790 2024-11-30
Value of CT-Based Deep Learning Model in Differentiating Benign and Malignant Solid Pulmonary Nodules ≤ 8 mm
2024-Dec, Academic radiology IF:3.8Q1
研究论文 研究评估了基于CT的深度学习模型在区分≤8mm的良性与恶性实性肺结节中的有效性 开发了包含结节及其周围区域的五种深度学习模型,并使用Multiscale Dual Attention Network (MDANet)进行训练,以区分良性与恶性实性肺结节 NA 评估基于CT的深度学习模型在区分小尺寸良性与恶性实性肺结节中的有效性 ≤8mm的良性与恶性实性肺结节 计算机视觉 肺部疾病 深度学习 Multiscale Dual Attention Network (MDANet) 影像 719例患者
791 2024-11-30
Prediction of intraoperative hypotension using deep learning models based on non-invasive monitoring devices
2024-Dec, Journal of clinical monitoring and computing IF:2.0Q2
研究论文 本研究利用基于非侵入性监测设备的深度学习模型预测术中低血压 本研究首次测试了使用常规非侵入性监测设备结合深度学习算法预测术中低血压的可行性 研究结果需要在未来的前瞻性研究中进一步验证其在临床实践中的应用效果 开发和验证一种基于非侵入性监测设备的深度学习模型,用于预测术中低血压 非心脏手术患者 机器学习 NA 深度学习算法 多头部注意力架构和全局注意力局部循环模型 多通道非侵入性监测数据 算法开发使用了4754例患者数据,外部验证使用了421例患者数据
792 2024-09-10
MRI-based deep learning and radiomics for occult cervical lymph node metastasis (OCLNM) prediction
2024-Dec, Oral oncology IF:4.0Q2
NA NA NA NA NA NA NA NA NA NA NA NA
793 2024-11-17
Super-resolution Deep Learning Reconstruction Enhances Cranial Nerve Depiction and Interobserver Agreement in Neurovascular Conflict Imaging
2024-Dec, Academic radiology IF:3.8Q1
NA NA NA NA NA NA NA NA NA NA NA NA
794 2024-11-30
Deep learning to predict risk of lateral skull base cerebrospinal fluid leak or encephalocele
2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 研究开发了一种全自动深度学习方法用于卵圆孔(FO)分割,并评估其在预测侧颅底自发性脑脊液(sCSF)漏或脑膨出中的价值 首次使用卷积神经网络(CNN)进行卵圆孔(FO)的自动分割,并评估其在预测sCSF漏或脑膨出中的应用 研究样本量较小,且仅限于特定医院的数据,可能影响结果的普适性 开发一种全自动深度学习方法用于卵圆孔(FO)分割,并评估其在预测侧颅底自发性脑脊液(sCSF)漏或脑膨出中的价值 侧颅底自发性脑脊液(sCSF)漏或脑膨出的患者 计算机视觉 NA 卷积神经网络(CNN) CNN 图像 34名侧颅底自发性脑脊液(sCSF)漏或脑膨出的患者与815名对照患者
795 2024-11-29
Deep learning analysis of histopathological images predicts immunotherapy prognosis and reveals tumour microenvironment features in non-small cell lung cancer
2024-Dec, British journal of cancer IF:6.4Q1
研究论文 本研究利用深度学习分析非小细胞肺癌的组织病理学图像,预测免疫治疗预后并揭示肿瘤微环境特征 开发了一种基于H&E染色组织病理学图像的ICI相关病理预后签名(ir-PPS),用于预测非小细胞肺癌患者接受免疫检查点抑制剂治疗的预后 NA 优化非小细胞肺癌患者选择免疫检查点抑制剂治疗的患者筛选 非小细胞肺癌患者的组织病理学图像 数字病理学 肺癌 深度学习 ResNet18-PG 图像 本地队列106例,TCGA 899例
796 2024-11-29
Stacked artificial neural network to predict the mental illness during the COVID-19 pandemic
2024-Dec, European archives of psychiatry and clinical neuroscience IF:3.5Q2
研究论文 研究利用堆叠人工神经网络预测COVID-19疫情期间的精神疾病 采用深度学习模型处理大量变量,以提高早期精神疾病检测的性能 存在潜在的反应偏差,某些个体面临更高的风险 研究COVID-19疫情期间的精神健康问题,并提出早期检测和治疗的方法 COVID-19疫情期间的精神健康状况,包括焦虑、压力和抑郁 机器学习 精神疾病 深度学习 堆叠人工神经网络 文本 涉及儿童和神经质障碍患者等特定人群
797 2024-11-29
Deep learning for intrinsically disordered proteins: From improved predictions to deciphering conformational ensembles
2024-Dec, Current opinion in structural biology IF:6.1Q1
综述 本文探讨了现代深度学习方法如何影响蛋白质无序性预测,并介绍了利用深度学习技术直接从序列数据中表征蛋白质构象集合体的最新进展 本文介绍了利用深度学习技术直接从序列数据中表征蛋白质构象集合体的创新方法 NA 探讨深度学习方法在蛋白质无序性预测中的应用及其对蛋白质构象集合体表征的进展 蛋白质无序性预测和蛋白质构象集合体 机器学习 NA 深度学习 NA 序列数据 NA
798 2024-11-29
Multi-image transmission based on a multi-channel OAM-array-coded optical communication system using a designed Dammann grating and an integrated vortex grating
2024-Dec-01, Optics letters IF:3.1Q2
研究论文 本文提出了一种基于多通道OAM阵列编码光通信系统的多图像传输方法,结合定制的Dammann光栅和集成涡旋光栅,并通过设计的单输入多输出深度学习识别模型进行验证 本文的创新点在于提出了可控的同时生成高质量涡旋光束阵列的方法,并展示了基于涡旋光束阵列的多通道光通信系统,显著提高了涡旋光束阵列的灵活性和应用范围 本文的局限性在于实验中仅验证了四幅灰度图像的传输,且在湍流条件下的误差率较高 本文的研究目的是提高光通信系统的容量和灵活性 本文的研究对象是涡旋光束及其在光通信中的应用 光学通信 NA 涡旋光束 深度学习模型 图像 四幅灰度图像
799 2024-11-29
A novel automated cloud-based image datasets for high throughput phenotyping in weed classification
2024-Dec, Data in brief IF:1.0Q3
研究论文 本文介绍了一种基于云的自动化数据采集系统(CADAS),用于在固定时间间隔内捕捉杂草和作物图像,以考虑植物生长阶段进行杂草识别 开发了一种云端自动化数据采集系统(CADAS),通过集成十五个可见光谱的数字相机,实现了杂草和作物图像的自动采集和存储 数据集中的作物和杂草时间变化较低,这限制了杂草检测模型的有效开发 开发一种高效的数据采集系统,以减少数据管理和模型开发中的劳动和时间成本,并提高杂草检测模型的性能 杂草和作物的图像数据集 计算机视觉 NA 数字相机图像采集 NA 图像 2000张图像每种杂草和作物物种,以及200张带有标签文件的原始图像
800 2024-11-28
Correction to "Development and validation of deep learning models for identifying the brand of pedicle screws on plain spine radiographs"
2024-Dec, JOR spine IF:3.4Q1
correction 对文章“Development and validation of deep learning models for identifying the brand of pedicle screws on plain spine radiographs”的更正 NA NA NA NA NA NA NA NA NA NA
回到顶部